目的探讨非心源性轻型前循环脑梗死患者应用抗血小板药物后血小板功能与脑梗死复发的相关性。方法收集2018年1月~2019年12月发病72 h内入住烟台市烟台山医院神经内科的急性轻型前循环脑梗死患者128例,根据随访1年有无脑梗死复发分为复发...目的探讨非心源性轻型前循环脑梗死患者应用抗血小板药物后血小板功能与脑梗死复发的相关性。方法收集2018年1月~2019年12月发病72 h内入住烟台市烟台山医院神经内科的急性轻型前循环脑梗死患者128例,根据随访1年有无脑梗死复发分为复发组18例和非复发组110例,入院后给予抗血小板治疗,检测抗血小板治疗前(基线)及治疗7 d后的血小板功能,包括花生四烯酸诱导的血小板最大聚集率(MAR_(ADP))和二磷酸腺苷诱导的血小板最大聚集率(MAR_(ADP))。结果复发组年龄、高血压、糖尿病、既往脑梗死史及症状性大血管狭窄比例明显高于非复发组,差异有统计学意义(P<0.05,P<0.01)。所有患者抗血小板治疗7 d MAR_(ADP)和MAR_(ADP)明显低于治疗前[(38.7±10.3)%vs(49.5±12.8)%,(47.1±11.0)%vs(52.2±12.1)%,P<0.01]。复发组症状性大血管狭窄患者治疗7 d MAR_(ADP)明显高于非复发组症状性大血管狭窄患者,差异有统计学意义[(46.2±9.5)%vs(36.0±12.4)%,(P=0.022)]。结论抗血小板药物可显著降低血小板最大聚集率,血小板功能可能与复发脑梗死有一定相关性。展开更多
针对通用目标检测场景下,现有单阶段无锚检测器识别精度低、识别困难等问题,提出一种基于改进变焦网络VFNet(VarifocalNet)的高精度目标检测算法。首先,利用循环层聚合网络(RLANet)替换VFNet用于特征提取的主干网络ResNet,循环残差连接...针对通用目标检测场景下,现有单阶段无锚检测器识别精度低、识别困难等问题,提出一种基于改进变焦网络VFNet(VarifocalNet)的高精度目标检测算法。首先,利用循环层聚合网络(RLANet)替换VFNet用于特征提取的主干网络ResNet,循环残差连接操作将前层特征汇入后续网络层中提升特征的表征能力;其次,通过带有特征对齐卷积操作的特征金字塔网络(FPN)替换原始的特征融合网络,利用可变形卷积操作在FPN上下层融合过程中实现特征对齐并优化特征表征能力;最后,使用聚焦-全局蒸馏(FGD)算法进一步提升小规模算法的检测性能。在COCO(Common Objects in Context)2017数据集上进行的评估实验结果表明,在相同训练条件下,改进后的以RLANet-50为主干的算法的均值平均精度(mAP)可以达到45.9%,与VFNet算法相比提升了4.3个百分点,而改进后的算法参数量为36.67×10^(6),与VFNet相比仅高了4×10^(6)。可见,改进后的VFNet算法在提升检测精度的同时稍微增加了参数量,说明该算法可以满足目标检测的轻量化及高精度需求。展开更多
文摘目的探讨非心源性轻型前循环脑梗死患者应用抗血小板药物后血小板功能与脑梗死复发的相关性。方法收集2018年1月~2019年12月发病72 h内入住烟台市烟台山医院神经内科的急性轻型前循环脑梗死患者128例,根据随访1年有无脑梗死复发分为复发组18例和非复发组110例,入院后给予抗血小板治疗,检测抗血小板治疗前(基线)及治疗7 d后的血小板功能,包括花生四烯酸诱导的血小板最大聚集率(MAR_(ADP))和二磷酸腺苷诱导的血小板最大聚集率(MAR_(ADP))。结果复发组年龄、高血压、糖尿病、既往脑梗死史及症状性大血管狭窄比例明显高于非复发组,差异有统计学意义(P<0.05,P<0.01)。所有患者抗血小板治疗7 d MAR_(ADP)和MAR_(ADP)明显低于治疗前[(38.7±10.3)%vs(49.5±12.8)%,(47.1±11.0)%vs(52.2±12.1)%,P<0.01]。复发组症状性大血管狭窄患者治疗7 d MAR_(ADP)明显高于非复发组症状性大血管狭窄患者,差异有统计学意义[(46.2±9.5)%vs(36.0±12.4)%,(P=0.022)]。结论抗血小板药物可显著降低血小板最大聚集率,血小板功能可能与复发脑梗死有一定相关性。
文摘针对通用目标检测场景下,现有单阶段无锚检测器识别精度低、识别困难等问题,提出一种基于改进变焦网络VFNet(VarifocalNet)的高精度目标检测算法。首先,利用循环层聚合网络(RLANet)替换VFNet用于特征提取的主干网络ResNet,循环残差连接操作将前层特征汇入后续网络层中提升特征的表征能力;其次,通过带有特征对齐卷积操作的特征金字塔网络(FPN)替换原始的特征融合网络,利用可变形卷积操作在FPN上下层融合过程中实现特征对齐并优化特征表征能力;最后,使用聚焦-全局蒸馏(FGD)算法进一步提升小规模算法的检测性能。在COCO(Common Objects in Context)2017数据集上进行的评估实验结果表明,在相同训练条件下,改进后的以RLANet-50为主干的算法的均值平均精度(mAP)可以达到45.9%,与VFNet算法相比提升了4.3个百分点,而改进后的算法参数量为36.67×10^(6),与VFNet相比仅高了4×10^(6)。可见,改进后的VFNet算法在提升检测精度的同时稍微增加了参数量,说明该算法可以满足目标检测的轻量化及高精度需求。
